RPC-Chain:基于信譽機制與受控PRE的眾包模型鏈

摘 要：為解決眾包面臨的信任問題、不對稱貢獻與收益關系以及數據安全性共享等挑戰，提出一種基于信譽模型與受控代理重加密（PRE）的眾包模型鏈，即RPC-Chain。RPC-Chain基于超級賬本Fabric，將眾包模型的交易流程抽象化。首先，完善信譽機制提高系統整體的效率與公平；其次，引入受控代理重加密以確保數據安全共享服務；最后，使用Fabric搭建眾包區塊鏈仿真平臺并進行了相關測試。實驗表明，該方案在模型設計、數據安全加密共享和信譽模型的激勵效果等方面顯示出一定優勢。

關鍵詞：區塊鏈；代理重加密；信譽機制；智能合約；眾包

中圖分類號：TP391"" 文獻標志碼：A"" 文章編號：1001-3695（2025）01-005-0036-06

doi： 10.19734/j.issn.1001-3695.2024.05.0173

RPC-Chain： crowdsourcing model chain based on reputation mechanism and controlled PRE

Abstract： This paper addressed the challenges of trust issues， asymmetric contribution and benefit relationships， and data security sharing in crowdsourcing by proposing an RPC-Chain， a crowdsourcing model chain based on a reputation model and proxy re-encryption （PRE）. RPC-Chain abstracted the transaction process of the crowdsourcing model based on Hyperledger Fabric. Firstly， it improved the reputation mechanism to enhance the overall efficiency and fairness of the system. Secondly， it introduced proxy re-encryption to ensure secure data sharing services. Finally， it built a crowdsourcing blockchain simulation platform using Fabric， and conducted related tests. The experiments demonstrate that the proposed scheme shows certain advantages in model design， secure data encryption sharing， and the incentive effect of the reputation model.

Key words：blockchain; proxy re-encryption （PRE）; reputation mechanism; smart contract; crowdsourcing

0 引言

眾包是一種通過向廣大的、通常是未知的人群請求幫助來完成任務、解決問題的方式［1］，不管是人機交互領域、數據庫領域，還是自然語言處理領域、機器學習領域都有眾包的身影［2］。但眾包在快速發展的過程中出現了一系列物理與邏輯上的問題［3］：傳統的眾包平臺屬于中心化管理機制，中心節點受到攻擊或者發生意外后數據易丟失；請求者與工人之間存在搭便車與不真實報告問題，影響整個項目的公平性；參與者的數據交互涉及個人隱私需要安全共享與使用。其中，中心化問題隨著去中心化的區塊鏈引入，得到了基本解決，比如More等人［4］設計了基于公有鏈的眾包模型系統，意在使用區塊鏈解決眾包的數據可竄改、中心化風險、信任問題，但基于公有鏈的模型系統存在一定的性能問題。對于搭便車與不真實報告問題、數據安全共享問題的解決還十分棘手。朱向榮等人［5］針對眾包知識融合系統進行了設計，提出了一種基于置信度加權投票算法和一種壟斷分紅算法以自動化地執行眾包知識融合中的真值驗證和激勵過程。褚佳靜等人［6］提出基于信譽模型的眾包質量控制算法，根據可信因子和懲罰因子建立信譽模型，基于工人信譽值和對任務的熟悉度提出一種工人選擇機制。對于數據安全共享問題，陽真等人［7］針對眾測知識產權保護進行了研究，使用改進的CP-ABE技術和AES算法對測試任務與被測代碼進行細粒度的訪問控制，以解決測試任務和代碼的隱私保護問題。但現有實現只是使用了基本的信譽模型，通過提高置信度或是可信因子來保證參與者的分紅或獎勵，對眾包流程的包容性不夠完善，對作惡者的懲罰粒度較低，數據安全方面雖然提供了細粒度訪問機制，但不利于數據范圍共享。本文提出了基于信譽模型與受控PRE的眾包模型鏈（repu-tation controlled proxy re-encryption crowdsourcing chain， RPC-Chain），選擇使用聯盟鏈Hyperledger Fabric實現，相較于公有鏈［8］，聯盟鏈更便于監管、性能更強。同時為解決搭便車與不真實報告問題，提高眾包的效率與公平性，RPC-Chain改善了基于信譽的激勵機制與懲罰機制，RPC-Chain的信譽機制由審查者篩選算法、審查納什均衡算法、DS行為評定算法和信譽獎懲更新算法組成，在保證足夠靈活的同時，增大請求方惡意刷單的成本。數據安全共享方面，RPC-Chain提供了受控代理重加密（proxy re-encryption， PRE）的數據共享服務，通過增加規則列表，在保證數據共享安全且高效的同時，也保證了選擇審查人的篩選結果無偏。

1 相關知識

1.1 搭便車與不真實報告問題

任務請求者的目的是為了以更低的代價獲取更高質量的回報，而工人的目的是使用最少的時間或精力去獲得更多的報酬，因此任務請求者與工人的目的是對立矛盾的。

眾包系統中存在搭便車與不真實報告問題。

搭便車問題［9］是指工人在眾包平臺上利用其他參與者的努力或資源而無須作出相應的貢獻卻反而獲得了報酬，或是指任務請求者獲得了滿意的結果卻不付出或是少付出報酬（不誠實的黃金標準）。搭便車者從其他參與者的工作中受益，但沒有為此付出相應的勞動或貢獻，任其發展會影響普通參與者的積極性，進而影響到平臺的運營。

不真實報告問題是指在眾包平臺上，參與者故意提供虛假或不準確的報告或反饋信息的行為。這種行為出于不當的動機，例如試圖破壞他人聲譽、獲得不當利益或扭曲真實情況，這種行為平臺也應該盡力打擊。

搭便車與不真實報告問題違背了公平原則和契約精神，會對眾包生態環境造成不利的影響，RPC-Chain引入了信譽機制來懲罰作惡參與者的作惡行為，維護善良參與者的權益。

1.2 超級賬本

Hyperledger Fabric是一個開源的企業級超級賬本框架［10］，其各個組件模塊均可定制化。智能合約是控制世界狀態中業務對象生命周期的交易邏輯。在Fabric中額外有鏈碼的概念，智能合約會被打包進鏈碼，鏈碼會被部署到區塊鏈網絡中。可以將智能合約看成交易的管理者，而鏈碼則管理著如何將智能合約打包以便用于部署。

RPC-Chain是一個基于超級賬本的鏈，超級賬本提供了強大的隱私性和權限控制功能。其2.0版本使用RAFT協議［11］作為共識協議，且Peer節點之間使用Gossip協議［12］進行傳輸數據，它允許在區塊鏈網絡中創建私有鏈和通道，并定義訪問權限和數據共享策略。

1.3 代理重加密算法

Blaze等人［13］在歐密會上提出了代理重加密。代理重加密是一種密碼學技術，用于實現數據的安全共享和委托訪問控制。它允許一個代理對加密的數據進行轉換，從一個密鑰持有者的加密密鑰轉換為另一個密鑰持有者的加密密鑰，同時保持數據的機密性和完整性。針對非對稱密鑰加密大文件的速度問題，引入了對稱密鑰來進行改善。

代理重加密算法由六種算法組成：

a）系統建立算法。GlobalSetup（λ）→param，其中λ是系統安全參數，param為生成的系統全局參數。

b）密鑰生成算法。KeyGen（param，i）→Ui（pki，ski） ，給用戶Ui生成獲得密鑰對（pki，ski）。

c）重加密密鑰算法。ReKeyGen（param，ski，pkj）→rki→j，用戶Ui使用此算法，輸入私鑰ski以及用戶Uj的公鑰pkj，獲得重加密密鑰rki→j。

d）加密算法。encrypt（param，pk，m）→CT，輸入公鑰pk、明文m，獲得密文CT。

e）重加密算法。ReEncrypt（param，CTi，rki→j）→CTj，對加密算法生成的密文CTi，使用重加密密鑰rki→j生成密文CTj。

f）解密算法。decrypt（param，CT，sk）→m，使用私鑰解密密文CT，得到明文m，或是錯誤符號⊥。

2 RPC-Chain設計

2.1 角色描述

RPC-Chain主要由證書授權中心（CA）、云存儲代理（pro-xy）、組織（organization）和超級賬本（hyperledger）四種角色構成，其架構如圖1所示。

a）證書授權中心。RPC-Chain是需要許可的鏈，CA機構負責給參與者生成、分發與管理數字證書。身份證書包括非對稱加密的公鑰與私鑰，用于參與者的身份認證、數字證書、數據加密。除此之外，參與者在獲得身份證書的同時，還會初始化一個信譽值，信譽值會根據參與者今后的活動狀態進行更新。

b）云存儲代理。代理是一個被半信任的角色，在數據共享過程中，承擔將一個密鑰持有者的加密密鑰轉換為另一個密鑰持有者的加密密鑰的作用，RPC-Chain的云存儲代理由peer節點來承擔，一是可以快速地訪問區塊鏈，二是可以定時隨機切換，防止代理被入侵。

c）組織。在RPC-Chain中組織有任務請求者組織、工人組織、審查組織，任務請求者組織發起眾包任務，工人負責完成任務請求者發布的任務，審查組織負責對工人完成的任務進行審核，對任務請求者的行為進行監測，更新和維護他們的信譽值，多個組織互相分工配合以保證系統的正常運行。

d）超級賬本。RPC-Chain提供了賬本子系統，其包括世界狀態與交易日志兩個組件。其中世界狀態指的是給定時間點的賬本狀態，交易日志記錄了產生當前世界狀態的所有交易。值得注意的是，世界狀態其本質是一個鍵值數據庫，而交易日志則是一個區塊鏈。

2.2 交易流程

RPC-Chain由三層架構構成，第一層屬于眾包模型的抽象邏輯交易過程，第二層屬于Fabric網絡的構成部分，第三層屬于任務鏈、成果鏈、信譽鏈的底層存儲結構。下文將以請求者發布任務，工人完成任務為主線進行完整交易流程的闡述，同時算法的執行順序如圖1序號所示。

a）系統初始化階段。系統執行PRE算法的GlobalSetup算法，輸入系統安全參數λ，生成系統的全局參數param，此參數會涉及到之后數據的安全共享。

b）參與者注冊階段。任務請求者與工人都需要在CA上申請注冊，請求會交由Fabric-CA進行數字簽名，生成的證書以X.509證書格式返回。參與者成功獲得證書后，執行PRE的KeyGen算法，輸入系統初始化階段生成的全局參數param，得到公私密鑰對以及生成一個對稱密鑰，此部分如圖1序號①。

c）任務請求階段。任務請求者需要在系統中發起任務，調用CreateTask智能合約來開啟一筆新的交易，智能合約需要的參數有任務的詳細信息、發布者信譽、發布者愿意支付的押金、任務的獎金等信息。任務請求者的任務可能會涉及到法律文件、代碼軟件、電子病歷等體積較大且需要隱私保護的文件，這類文件會使用云存儲代理來進行存儲與共享，發送前需要先使用任務請求者的對稱密鑰對文件進行加密，然后上傳云存儲代理，云存儲代理同時會生成一個存儲地址，此地址會被保存于任務的詳細信息中。調用CreateTask智能合約后，此部分如圖1序號②，該交易會在Fabric網絡中進行背書、排序、共識的過程，然后提交打包上鏈。此外，任務會以發布訂閱模型的方式發布，此部分如圖1序號③④，工人關注對應的主題，即可獲取到對應主題下的所有待消費的任務。

算法1 CreateTask

輸入： IDsend，TaskMsg，Reward。 //發送者ID、任務信息、獎金

輸出： IDtask。 //返回任務ID

if IDsend is none or Rewardlt;Rewardlimit： /*校驗ID是否為空，獎金是否小于閾值*/

throw;

end if

Repsend←ReputationChain.query（IDsend）; //查詢該發送人信譽

if Repsendlt;Replimit： //信譽小于閾值不提供服務

throw;

end if

if TaskMsg.privatefile is not none then： /*如果存在私人數據文件，使用代理重加密安全共享*/

addr←Proxy.shareInSafe（TaskMsg.privatefile）;

TaskMsg.privateAddr←addr; //返回上傳后的地址

IDtask←taskChain.add（IDsend，TaskMsg）; /*任務鏈添加該任務信息*/

send IDtaskto Pub/Sub;// 發送到發布訂閱模型

end if

return IDtask

d）任務完成階段。工人在找到自己有意愿完成的任務后，向任務請求者發起一個請求授權的請求，任務請求者同意授權后，如圖1中序號⑤，工人就可以從云存儲代理安全的共享任務的相關數據文件，完成任務后，調用SubmitTask智能合約來完成任務的提交上鏈，其過程與任務請求者發布任務的邏輯基本相同，不再贅述。此外，任務的請求與完成階段涉及到云存儲代理重加密共享的具體過程，將在下一節介紹。

算法2 SubmitTask

輸入： IDtask，IDsend，Deposit。 //任務ID、發送者ID、押金

輸出： 1。

if IDtask is none： //校驗ID非空

throw;

end if

Repsend←ReputationChain.query（IDsend）;//查詢發送人信譽

if Repsendlt;Replimit： //信譽小于閾值不提供服務

throw;

end if

TaskMsg←taskChain.query（IDtask）; //獲取任務信息

judgeScore←GenerateJudgement（TaskMsg，IDtask）;//生成審查者組

reputationChain.updateRep（IDsend，JudgeScore，Deposit）;//更新信譽

if TaskMsg.state is done：//如果狀態為成功結束，進行獎勵

reward（IDtask）;

end if

e）審查結算階段。在一項任務執行完成后，審查組會進行審查，如圖1中序號⑥。審查組由審查者篩選算法組成，從了解該任務且與該任務無關且信譽度高的任務請求者或工人中隨機選擇組成，通過信譽機制對參與者的信譽值進行更新。對于積極的參與者會提高其信譽值，對于作惡的參與者，其信譽值與押金均會扣除。

2.3 云存儲代理重加密受控共享

在眾包交易流程中涉及到任務請求者與工人之間傳輸重要的隱私數據文件，如何將隱私數據進行安全的共享需要工人十分審慎的設計。RPC-Chain使用的云存儲代理重加密，在IBPRE（基于身份的PRE）加密算法的基礎上額外提供規則列表來確保只有得到許可的參與者才能獲取到對應資源，規則列表不僅體現了數據的可見域也為后文選擇審查人提供了一層篩查條件。

本文的云存儲代理重加密受控共享方案如圖2所示。圖中任務請求者發起一項眾包任務，需要通過云存儲代理將重加密信息共享給工人。

a）系統初始化。GlobalSetup（λ）→param根據安全參數λ生成p、q、E、G。其中p、q為兩個大素數，E為有限域Fp上的一個橢圓曲線，且Q為橢圓曲線上一點， G為q階的循環群。定義兩個抗碰撞哈希函數H1、H2：{0，1}*→Z*q，系統參數param={p，q，E，G，H1，H2}。

b）用戶注冊初始化階段。在系統全局初始化完成后，任務請求者和參與者需要在CA進行注冊，之后調用KeyGen算法生成公私鑰對，KeyGen（param，i）→Ui（pki，ski）：輸入公開參數param，選擇一個隨機數k∈Z*q，用戶Ui得到私鑰ski=k，公鑰pki=kQ。然后任務請求者需要初始化授權列表RuleList，RuleList包括的數據字段有請求授權時間、請求者ID、請求訪問的任務ID，并調用加密算法encrypt（param，pk，m）→CT將明文m加密為加密文件CT，并上傳至云存儲代理。加密運算過程如下，選取o∈G：

c）代理重加密參量生成階段。當工人請求訪問任務請求者的數據文件時，首先查看RuleList是否含有該工人的ID，如果沒有則拒絕該用戶的請求，如果存在就構造針對于該工人的重加密密鑰參量：ReKeyParamGen（param，X，pki，pkj）→β，β表示工人的代理重加密密鑰參量且β={Xpki，Xpkj}，并需要將工人的信息記錄在規則列表RuleList并進行更新。

f）解密階段。將重加密密文發送給工人，工人調用decrypt算法解密重加密密文獲得明文，decrypt（param，CTj，skj，α）→m，解密過程為

由于代理重加密涉及到代理的選擇，代理如果被侵入，那么有可能會泄露用戶的數據隱私。為解決此類問題，RPC-Chain的代理會從同級peer節點中定期隨機更換。

2.4 信譽機制

RPC-Chain的信譽機制由審查者篩選算法、審查納什均衡算法、DS行為評定算法和信譽獎懲更新算法組成。審查者篩選算法用于對每一個不同的任務請求都求出一個審查者池，確保審查者對該任務沒有利益關系。納什均衡算法利用博弈論提高審查者的審查結果的可靠性，DS行為評定算法決定工人此次參與眾包的行為是積極還是消極，最后信譽獎懲更新算法用于更新信譽值，以此四種算法完成RPC-Chain的信譽體系建設，達成良好的信譽更新循環。重要符號及其表述如表1所示。

1）審查者篩選算法

審查者必須是無偏的且對于該任務需要有一定的了解。審查者篩選算法有三層篩選制度。首先RPC-Chain從所有的參與者之中獲取到對應任務主題下的所有參與者，這是第一重篩選，得到ReviewPool1；審查者還必須是無偏的，他們必須與當前所要評價的任務無任何利益關系，RPC-Chain在云存儲代理重加密受控共享中提到了規則列表，此列表不僅體現了當前任務的可見域，還體現了利益關系網，由于規則列表也是在更新的，為了保證審查者無偏，需要調出在任務創建終止期間規則列表涉及到的所有參與者，好在Fabric的區塊確定是在排序后就完成的，不會涉及到最長鏈的判斷問題，規則列表的范圍取兩個區塊的timestamp之間的并集即可，RPC-Chain會從ReviewPool1篩除掉所有的利益相關者，得到ReviewPool2作為最終的審查者篩選組，這是第二層篩選；最后一層篩選會從ReviewPool2抽取其中信譽值大于TH的N位參與者作為最終的關于該任務的審查組，定義為集合RSet={R1，R2，R3，…，RN}。

2）審查者納什均衡算法

由審查者篩選算法得到了N位審查人集合RSet={R1，R2，R3，…，RN}，為了進一步提純合格審查人，在每一位審查人給出對當前任務完成質量的審查分數后，每一位審查人都可以對其他審查人的分數進行查看并進行舉報。

假設審查者Ri放棄舉報，那么策略集合就為V－i={V1，V2，V3，…，Vi－1，Vi+1，…，VN}，其中策略向量為Θi={VTtruei，VT1i}。當且僅當半數以上N/2的審查人給出舉報時，認定該審查人存在爭議時，其審查分數無效。小于半數以上時，認為該審查人合格，其審查分數有效，則有以下納什均衡策略：首先定義一個舉報集合RSettrue和放棄集合RSet1。

當審查人存在爭議時：

當審查人合格時：

假設對于一個審查者Ri，已知他人策略為V′－i時的最佳策略是V′i，則有

這說明在此博弈中，納什平衡點只有兩個：

審查者為了利益最大化，都不會選擇對自己不利的行為。因此如果一個審查者的分數確實是不合理的，那么審查者Ri為了自己利益最大，就會選擇舉報該不合理的審查分數。

3）DS行為評定算法

在得到多個審查者給出的信譽值后，采用Dempster-Shafer理論結合多個審查者的審查分數來認定該工人此次的行為是積極還是消極，以便后續進行信譽值的獎懲更新。

其中：X為真屬于H的假設。設m1，m2，…，mn分別為n個審查者的BPA，現對前兩個BPA進行組合，規則為

其中：K為沖突度；B與C分別為第一、二個證據來源的子集。相應地，將m12與第三個評審者m3進行類似的組合，遍歷所有審查者的審查分，然后根據信任函數Bel（H）與似真函數Pl（X）最終判定該工人此次的行為是否積極。本文的具體判定規則為，如果其信任函數Bel（H）結果值大于0.5，則認為該工人此次進行了積極行為。

4）信譽獎懲更新算法

審查者給出的分數都要給參與者的信譽作出獎懲。信譽獎懲更新算法由激勵機制與懲罰機制雙方組成。RPC-Chain信譽機制中的激勵機制的計算如式（4）所示。

信譽值的更新基于用戶的持續因子，其中numN表示用戶最近獲得的評價個數，x表示用戶在最近N次行為中連續獲得積極評價的個數，RPC-Chain獎勵那些持續進行友善行為的參與者，參與者連續獲得積極評價會讓他的持續因子更大，導致一次友善行為獲得的信譽值更多。受以太坊質押（staking）概念的啟發，在激勵函數中引入了質押比s，表示參與者的質押數占所有當前任務參與者質押數的占比，占比越大，代表參與者對完成該任務的把握更大，RPC-Chain也將對質押比更大的用戶給予更多的信譽值增值獎勵。

為了更好地激勵參與者的積極參與度，RPC-Chain引入了兩個閾值，其中TH表示參與者高信譽閾值，大于此值，參與者每次獲得積極評價會獲得1.5倍的增值；TL表示參與者低信譽閾值，低于此值，參與者每次獲得積極評價只會獲得正常獎勵的0.25倍獎勵；在TH與TL兩值之間，稱為審核區域，審核區域的參與者可能會進行友善行為，但是作惡的可能也還很大，此部分的參與者只會獲得0.8倍的信譽值增值獎勵。閾值使用權w表示，如式（5）所示。

懲罰函數基于懲罰因子，RPC-Chain選用了sigmoid函數，它可以提供一種平滑的懲罰方式，并根據行為的嚴重程度進行適度的懲罰。其中y表示參與者連續獲得消極評價的次數，參數k表示sigmoid函數的斜率參數，通過調整sigmoid函數的斜率參數k，可以控制懲罰的陡峭程度和敏感度。由此，可以得到RPC-Chain的懲罰函數，如式（6）所示。此外，作惡行為除了會扣除信譽值，還會扣除在參與眾包活動前給出的質押金，進一步增大作惡成本以真正懲戒到作惡者。

3 實驗分析與討論

本章對RPC-Chain設計并進行了實驗，驗證其可用性與實用性。具體對比了區塊鏈性能、信譽激勵調節、代理重加密三方面的機制。

3.1 方案對比

本文方案與其他相關文獻進行了對比，比較去中心化、鏈不存在分叉問題、身份驗證、信譽機制、額外隱私保護、基于智能合約共六個方面。如果某方案具有某個屬性則標記√，否則標記×，比較結果如表2所示。通過表2可以得出結論，本文方案具有更多優勢。

3.2 實驗環境

本文的實驗環境使用了一臺CPU型號為Intel CoreTM i5-8300H CPU @ 2.30 GHz的計算機，并使用虛擬機VMware搭建了Linux操作系統環境，Linux發行版本及其版本號為Ubuntu 22.04.1 LTS，虛擬機分配了4個處理器，每個處理器有2個核心、4 GB的內存及40 GB的磁盤存儲空間。RPC-Chain的智能合約使用Java語言編寫，實驗使用的Hyperledger Fabric版本為2.4.1，CA版本為1.5.2，2.4.1版本的Fabric使用的共識機制為RAFT。

3.3 性能分析

本節使用Hyperledger Fabric官方提供的性能測試工具Caliper對RPC-Chain的性能進行了測試。本實驗使用的Caliper版本為0.4.2，并編寫了基準配置文件、網絡配置文件、工作負載模塊以保證Caliper測試的正常運行。基準配置文件參數簡要描述如表3所示。

實驗使用4個執行工作負載的工作進程，每回合中提交事務數量為1 000個，以不同的固定速率fixed-rate測試了Create-Task與SubmitTask兩個主要的鏈碼在不同發送速率下的鏈碼吞吐量。如圖3所示，其中CreateTask在發送速率不斷增大的條件下，穩定在40 TPS左右，而SubmitTask基本穩定在80 TPS。從實驗結果可以看出，RPC-Chain可以可靠且穩定地使用。

3.4 信譽機制對比分析

為了驗證信譽模型的有效性，設計實驗測試了本文信譽機制的信譽變化，并與文獻［14］提出的模型RCIM、文獻［15，16］提出的信譽模型Rep-M進行了比較。

從圖4可以看出，在前五次參與者進行正面行為時，參與者的信譽值會不斷的增加。由于本文的信譽機制引入了審核區域，在審核線以下時，本文方案與其他文獻相比，其增速較慢，在越過審核線后，信譽值增速變快。在第5～8次工作中，由于參與者進行不正當行為，所以其信譽值會降低，本文使用的懲罰函數可以通過提交參數k控制降速。從圖中還可以看出，RCIM并不能通過基線過濾出惡意參與者，而Rep-M與本文方案都可以過濾出惡意參與者。由此，本文的信譽模型更加靈活，適合不同眾包場景下的信譽變化控制。

激勵函數與懲罰函數的力度不能一致，否則故意輪替的惡意參與者就會一直存在于系統中。本文進行了8次善意與惡意交替行為，實驗結果如圖5所示，RCIM對于這種行為并不能進行正確的懲罰，Rep-M雖然進行了懲罰，但是并不能自由控制懲罰粒度。本文的激勵機制彌補了上述兩個文獻的缺陷，可以更好地篩選出善意與惡意操作輪替進行的工人。

3.5 代理重加密時間分析

本文使用10～100 MB的文件模擬眾包過程中的用戶數據，使用本文的加解密方式對其進行1 000次實驗，最后計算其平均值，實驗結果如圖6所示。隨著文件大小的不斷增大，加密與解密時間也不斷增大，解密時間略長于加密時間，總體呈線性增長，而重加密時間基本穩定在15～20 ms，對比加密時間與解密時間來說，基本可以忽略不計。

4 結束語

本文提出了一種新的眾包模型鏈，用于構建更加可靠的眾包平臺。RPC-Chain基于Hyperledger Fabric，使用受控云存儲代理重加密實現數據受控共享，使用信譽機制完善系統的公平性。實驗結果表明，RPC-Chain可以可靠穩定地運行，提供的PRE數據共享方案安全高效。與同類方案相比，本文改進的信譽機制增大了惡意參與者惡意行為成本，提高了普通參與者的積極性，使信譽激勵管理更加靈活。綜上，RPC-Chain為軟件眾包領域提供了一種新的可行解決方案，有望實現更高效、公平和安全的眾包系統。

為了進一步完善眾包場景下的區塊鏈應用，下一步的可研究方向可以考慮從區塊鏈的共識機制入手，使用信譽機制改進眾包下的共識過程以減少系統的通信成本。

參考文獻：

［1］Liu Dianting， Liang Dong. A blockchain approach of model architecture for crowdsourcing design services under the context of social manufacturing ［J］. Machines， 2023， 11（1）： 69.

［2］Cibin N， Albano M. Blockchain-based platform for crowdsourcing machine learning models design and training， while incentivizing continuous improvement ［C］// Proc of IEEE International Conference on Decentralized Applications and Infrastructures. Piscataway， NJ： IEEE Press， 2023： 31-37.

［3］李玉， 段宏岳， 殷昱煜，等. 基于區塊鏈的去中心化眾包技術綜述 ［J］. 計算機科學， 2021， 48（11）： 12-27. （Li Yu， Duan Hongyue， Yin Yuyu， et al. Overview of decentralized crowdsourcing technology based on blockchain ［J］. Computer Science， 2021， 48（11）： 12-27.）

［4］More N， Motwani D. A blockchain-based decentralized framework for crowdsourcing ［M］// Chen J I Z， Tarares J M R S， Shakya S， et al. Image Processing and Capsule Networks. Cham：Springer， 2021： 448-460.

［5］朱向榮， 吳鴻祜， 胡偉. FactChain： 一個基于區塊鏈的眾包知識融合系統 ［J］. 軟件學報， 2022， 33（10）： 3546-3564. （Zhu Xiangrong， Wu Honghu， Hu Wei. FactChain： a blockchain based crowdsourcing knowledge fusion system ［J］. Journal of Software， 2022， 33（10）： 3546-3564.）

［6］褚佳靜， 潘慶先， 潘亞楠，等. 基于信譽模型的眾包質量控制算法 ［J］. 山東大學學報：工學版， 2023， 53（2）： 93-101. （Chu Jiajing， Pan Qingxian， Pan Yanan， et al. Crowdsourcing quality control algorithm based on reputation model ［J］. Journal of Shandong University：Engineering Edition， 2023， 53（2）： 93-101.）

［7］陽真， 黃松， 鄭長友. 基于區塊鏈與改進CP-ABE的眾測知識產權保護技術研究 ［J］. 計算機科學， 2022， 49（5）： 325-332. （Yang Zhen， Huang Song， Zheng Changyou. Research on crowdsourced intellectual property protection technology based on blockchain and improved CP-ABE ［J］. Computer Science， 2022， 49（5）： 325 332.）

［8］Lin I C， Liao T C. A survey of blockchain security issues and challenges ［J］. International Journal of Networking and Security， 2017， 19（5）： 653-659.

［9］Sun Lijun， Yang Qian， Chen Xiao， et al. RC-chain： reputation-based crowdsourcing blockchain for vehicular networks ［J］. Journal of Network and Computer Applications， 2021， 176： 102956.

［10］Androulaki E， Barger A， Bortnikov V， et al. Hyperledger fabric： a distributed operating system for permissioned blockchains ［C］// Proc of the 13th EuroSys Conference. New York： ACM Press， 2018： article No.30.

［11］王嘉瑤， 王婷， 袁文亮，等. 分布式賬本技術的發展歷程研究綜述 ［J］. 計算機應用研究， 2023， 40（3）： 641-648. （Wang Jiayao， Wang Ting， Yuan Wenliang， et al. A review of the development history of distributed ledger technology ［J］. Application Research of Computers， 2023， 40（3）： 641-648.）

［12］Santiago C， Lee C. Accelerating message propagation in blockchain networks ［C］// Proc of International Conference on Information and Communication Technology Convergence. Piscataway， NJ： IEEE Press， 2020： 157-160.

［13］Blaze M， Bleumer G， Strauss M. Divertible protocols and atomic proxy cryptography ［C］//Proc of International Conference on the Theory and Applications of Cryptographic Techniques. Berlin： Springer， 1998： 127-144.

［14］高麗萍， 程添， 高麗. 區塊鏈環境下基于細粒度授權隱私保護的空間眾包任務分配模型 ［J］. 小型微型計算機系統， 2022， 43（4）： 759-766. （Gao Liping， Cheng Tian， Gao Li. Spatial crowdsourcing task allocation model based on fine-grained authorization privacy protection in blockchain environment ［J］. Small Micro Computer System， 2022， 43（4）： 759-766.）

［15］劉賀. 基于區塊鏈的眾包質量評估模型的研究 ［D］. 天津：天津大學， 2020. （Liu He. Research on crowdsourcing quality evaluation model based on blockchain ［D］. Tianjin：Tianjin University， 2020.）

［16］芮蘭蘭， 張攀， 黃豪球，等. 一種面向眾包的基于信譽值的激勵機制 ［J］. 電子與信息學報， 2016， 38（7）： 1808-1815. （Rui Lanlan， Zhang Pan， Huang Haoqiu， et al. A reputation based incentive mechanism for crowdsourcing ［J］. Journal of Electronics and Information Technology， 2016， 38（7）： 1808-1815.）